Антитренд: как при общем росте цен на логистику «Askona» удалось снизить затраты с помощью цифрового моделирования складской сети
Исходные данные, описание задачи:

В 2024 году производители и ритейлеры столкнулись с ростом логистических издержек на 18−20% при сохранении объемов продаж. 

Ключевыми драйверами роста издержек стали: 

1. Повышение затрат на персонал: 
  • Средний рост зарплат складских работников — 23%; 
  • Для операторов ПТО — до 65%. 

2. Изменение рыночных условий: 
  • Ужесточение требований маркетплейсов; 
  • Рост стоимости складской инфраструктуры (аренда и услуги 3PL-операторов +35−40%). 

3. Удорожание поставок: 
  • Импортные закупки +2,5−3,5%; 
  • Внутренние перевозки +30% (с коррекцией во второй половине года). 

Компания «Askona» — лидер рынка товаров для сна в России и Восточной Европе — обладает масштабной производственной и дистрибьюционной сетью: 
  • 11 производственных площадок (+ 180 000 м²); 
  • 60 распределительных центров (+ 135 000 м²); 
  • География поставок: 14 стран; 
  • 900 розничных точек; 
  • > 1,1 млн. клиентских доставок ежегодно. 

Компания отказалась от традиционного масштабирования через аренду новых мощностей, выбрав оптимизацию существующей сети из 40+ складов. Цифровое моделирование позволило перераспределить товарные потоки и скорректировать мощности. Это решение предотвратило рост издержек из-за неоптимального размещения складов и увеличения маршрутов доставки, что негативно влияет на сроки, загрузку транспорта и общие логистические затраты. Новый подход повысил операционную эффективность в условиях роста тарифов перевозчиков и арендных ставок.
КЕЙС 5
Описание кейса / решения

Для «Askona» было важно решить следующие задачи:
  • Рассчитать оптимальное количество, места расположения и мощности складских объектов по критерию минимизации транспортно-складских расходов без снижения уровня сервиса.
  • Выполнить указанные расчеты в цифровой модели при различных сценарных условиях, в том числе в формате «Что если?»;
  • Определить оптимальную «привязку» клиентов к складам;
  • Оценить доход от экономии затрат при изменении конфигурации логистической цепи.

Определить оптимальное расположение склада — задача, с которой сталкиваются многие компании. Но на практике она превращается в сложную головоломку, где приходится учитывать множество факторов. Увеличение числа складов и размещение их ближе к клиенту повышает затраты на аренду, а уменьшение их количества ведет к росту так называемых «транспортных плеч». Это означает, что увеличивается расстояние, которое товар должен пройти для доставки от склада до клиента.

Снизить транспортные расходы можно, перераспределив грузопотоки: использовать большегрузный транспорт на первом этапе доставки и малотоннажный на последнем. Такой подход помогает повысить утилизацию транспорта и сократить его пробеги. Для того чтобы найти оптимальное решение с учётом затрат на логистику и качества сервиса, нужно анализировать множество возможных сценариев.

Ранее «Askona» применяла как собственные модели расчетов, так и международные системы моделирования логистических сетей. Но они не учитывали реальную дорожную сеть, рыночные тарифы на транспорт и склады в регионах, в которых компания ранее не работала, что искажало расчеты. В ряде случаев это могло привести к принятию неоптимальных решений. В итоге компания перешла на российскую платформу, которая учитывает все эти параметры, и построила цифровую модель цепи поставок.

Один из эффектов цифрового моделирования — возможность быстро проверять гипотезы, которые раньше казались слишком рискованными. Вместо того чтобы строить новые склады, Askona изменила подход к пополнению существующих РЦ. Компания протестировала новую схему отгрузки: грузы отправлялись на склад последней мили (последний этап доставки, когда товар от распределительного центра доставляется непосредственно к конечному потребителю или в ближайший пункт выдачи.), даже если заказы еще не были полностью собраны на РЦ. Хотя такой подход мог бы привести к снижению утилизации транспорта (из-за разницы в размерах товаров, например, от подушек до диванов), обновление упаковки и изменения в ассортименте помогли сохранить эффективность.

Перестройку логистической цепи провели на основе моделирования. В качестве ключевых РЦ выбраны три склада — в Обухово, Коврове и Владимире. Первый работает с импортной продукцией, два других находятся рядом с основными производствами. Теперь они обеспечивают ритмичное снабжение всей цепочки. В системе регулярно перебрасываются запасы для выравнивания ассортимента.


Сроки реализации
01.03.2024 — 31.12.2024


Результаты ДО и ПОСЛЕ

Внедрение оптимизационного алгоритма цифровой модели и комплексный анализ сценариев позволили достичь значимых финансовых и операционных результатов:

1. Снижение затрат
  • Общий логистический бюджет сокращен на 1,4% в условиях инфляционного давления.

2. Операционная эффективность
  • Количество транзакционных "касаний" в цепочке поставок уменьшено на 13% (по сравнению с 2023 годом)

3. Перспективы развития
Полученные результаты создают основу для:
  • Точного и аргументированного ответа бизнесу – какой должна быть логистика с точки зрения складской сети для минимизации операционных расходов при различных условиях;
  • Дальнейшей оптимизации логистических процессов в постоянном режиме при любых изменениях в бизнесе;
  • Повышения точности планирования логистики;
  • Сокращения транзакционных «касаний» на 6% в 2025 году.


В чем полезность и уникальность кейса?

Вместо шаблонных решений, вроде линейного сокращения затрат без учета последствий для сервиса и устойчивости процессов, «Askona» сделала ставку на перестроение логистики с использованием цифровой модели, позволяющей в том числе перераспределять товарные потоки между профицитными и дефицитными по площади складами. Такой подход позволил заметно снизить логистические расходы в год, когда рынок, напротив, демонстрировал рост издержек. При этом компания не только сохранила качество сервиса, но и усилила управляемость логистической сети — с возможностью быстро подстраиваться под меняющиеся грузопотоки и внешние условия.

Модель цепи поставок стала не разовой инициативой, а постоянным инструментом для принятия решений. Это позволило:
  • адаптировать логистику к росту производства и продаж без инвестиций в склады;
  • добиться важной для бизнеса экономии операционных затрат;
  • повысить устойчивость цепочки поставок к внешним изменениям.


Возможно ли кейс масштабировать в компании и применить для других участников рынка?

Использование цифровой модели позволяет и другим компаниям участникам рынка определить оптимальное количество, мощность и расположение складов для минимизации совокупных логистических затрат при заданном уровне сервиса. Решение поддерживает сценарное моделирование формата «Что если?», оценивая:
  • Затраты при сохранении текущей конфигурации сети с учетом роста товаропотоков;
  • Финансовые последствия неоптимального размещения объектов (на собственных или доступных площадках);
  • Эффективность различных стратегий развития бизнеса.

Платформа цифрового моделирования LogConnection обеспечивает:
  1. Анализ потерь в существующей цепи поставок;
  2. Обоснование решений по оптимальной реконфигурации сети;
  3. Разработку долгосрочной стратегии развития логистики (5-7 лет) с тестированием всех появляющихся в бизнесе сценарных условий;
  4. Баланс между затратами и качеством сервиса.
Несмотря на инфляцию в 9,5%, логистический бюджет в 2024 году снижен на 1,4%!
Результат
Описание кейса / решения

Для «Askona» было важно решить следующие задачи:
  • Рассчитать оптимальное количество, места расположения и мощности складских объектов по критерию минимизации транспортно-складских расходов без снижения уровня сервиса.
  • Выполнить указанные расчеты в цифровой модели при различных сценарных условиях, в том числе в формате «Что если?»;
  • Определить оптимальную «привязку» клиентов к складам;
  • Оценить доход от экономии затрат при изменении конфигурации логистической цепи.

Определить оптимальное расположение склада — задача, с которой сталкиваются многие компании. Но на практике она превращается в сложную головоломку, где приходится учитывать множество факторов. Увеличение числа складов и размещение их ближе к клиенту повышает затраты на аренду, а уменьшение их количества ведет к росту так называемых «транспортных плеч». Это означает, что увеличивается расстояние, которое товар должен пройти для доставки от склада до клиента.

Снизить транспортные расходы можно, перераспределив грузопотоки: использовать большегрузный транспорт на первом этапе доставки и малотоннажный на последнем. Такой подход помогает повысить утилизацию транспорта и сократить его пробеги. Для того чтобы найти оптимальное решение с учётом затрат на логистику и качества сервиса, нужно анализировать множество возможных сценариев.

Ранее «Askona» применяла как собственные модели расчетов, так и международные системы моделирования логистических сетей. Но они не учитывали реальную дорожную сеть, рыночные тарифы на транспорт и склады в регионах, в которых компания ранее не работала, что искажало расчеты. В ряде случаев это могло привести к принятию неоптимальных решений. В итоге компания перешла на российскую платформу, которая учитывает все эти параметры, и построила цифровую модель цепи поставок.

Один из эффектов цифрового моделирования — возможность быстро проверять гипотезы, которые раньше казались слишком рискованными. Вместо того чтобы строить новые склады, Askona изменила подход к пополнению существующих РЦ. Компания протестировала новую схему отгрузки: грузы отправлялись на склад последней мили (последний этап доставки, когда товар от распределительного центра доставляется непосредственно к конечному потребителю или в ближайший пункт выдачи.), даже если заказы еще не были полностью собраны на РЦ. Хотя такой подход мог бы привести к снижению утилизации транспорта (из-за разницы в размерах товаров, например, от подушек до диванов), обновление упаковки и изменения в ассортименте помогли сохранить эффективность.

Перестройку логистической цепи провели на основе моделирования. В качестве ключевых РЦ выбраны три склада — в Обухово, Коврове и Владимире. Первый работает с импортной продукцией, два других находятся рядом с основными производствами. Теперь они обеспечивают ритмичное снабжение всей цепочки. В системе регулярно перебрасываются запасы для выравнивания ассортимента.


Сроки реализации
01.03.2024 — 31.12.2024


Результаты ДО и ПОСЛЕ

Внедрение оптимизационного алгоритма цифровой модели и комплексный анализ сценариев позволили достичь значимых финансовых и операционных результатов:

1. Снижение затрат
  • Общий логистический бюджет сокращен на 1,4% в условиях инфляционного давления.

2. Операционная эффективность
  • Количество транзакционных "касаний" в цепочке поставок уменьшено на 13% (по сравнению с 2023 годом)

3. Перспективы развития
Полученные результаты создают основу для:
  • Точного и аргументированного ответа бизнесу – какой должна быть логистика с точки зрения складской сети для минимизации операционных расходов при различных условиях;
  • Дальнейшей оптимизации логистических процессов в постоянном режиме при любых изменениях в бизнесе;
  • Повышения точности планирования логистики;
  • Сокращения транзакционных «касаний» на 6% в 2025 году.








В чем полезность и уникальность кейса?

Вместо шаблонных решений, вроде линейного сокращения затрат без учета последствий для сервиса и устойчивости процессов, «Askona» сделала ставку на перестроение логистики с использованием цифровой модели, позволяющей в том числе перераспределять товарные потоки между профицитными и дефицитными по площади складами. Такой подход позволил заметно снизить логистические расходы в год, когда рынок, напротив, демонстрировал рост издержек. При этом компания не только сохранила качество сервиса, но и усилила управляемость логистической сети — с возможностью быстро подстраиваться под меняющиеся грузопотоки и внешние условия.

Модель цепи поставок стала не разовой инициативой, а постоянным инструментом для принятия решений. Это позволило:
  • адаптировать логистику к росту производства и продаж без инвестиций в склады;
  • добиться важной для бизнеса экономии операционных затрат;
  • повысить устойчивость цепочки поставок к внешним изменениям.


Возможно ли кейс масштабировать в компании и применить для других участников рынка?

Использование цифровой модели позволяет и другим компаниям участникам рынка определить оптимальное количество, мощность и расположение складов для минимизации совокупных логистических затрат при заданном уровне сервиса. Решение поддерживает сценарное моделирование формата «Что если?», оценивая:
  • Затраты при сохранении текущей конфигурации сети с учетом роста товаропотоков;
  • Финансовые последствия неоптимального размещения объектов (на собственных или доступных площадках);
  • Эффективность различных стратегий развития бизнеса.

Платформа цифрового моделирования LogConnection обеспечивает:
  1. Анализ потерь в существующей цепи поставок;
  2. Обоснование решений по оптимальной реконфигурации сети;
  3. Разработку долгосрочной стратегии развития логистики (5-7 лет) с тестированием всех появляющихся в бизнесе сценарных условий;
  4. Баланс между затратами и качеством сервиса.
Несмотря на инфляцию в 9,5%, логистический бюджет в 2024 году снижен на 1,4%!
Результат